AION：基于双策略强化学习的空中室内目标导航
机器人学
2026-01-23 v1
摘要
目标导航（ObjectNav）要求智能体自主探索未知环境，并导航至由语义标签指定的目标物体。尽管先前工作主要研究在二维移动下的零样本 ObjectNav，但将其扩展至具备三维移动能力的空中平台仍鲜有探索。空中机器人具有卓越的机动性与搜索效率，但也带来了空间感知、动态控制与安全保障方面的新挑战。在本文中，我们提出了 AION，用于不依赖外部定位或全局地图的视觉空中 ObjectNav。AION 是一个端到端的双策略强化学习（RL）框架，将探索行为与目标到达行为解耦为两个专用策略。我们在 AI2-THOR 基准上评估了 AION，并进一步在 IsaacSim 中使用高保真无人机模型评估了其实时性能。实验结果表明，AION 在探索、导航效率与安全性等综合评估指标上均取得了优越性能。视频请见 https://youtu.be/TgsUm6bb7zg。
引用
@article{arxiv.2601.15614,
title = {AION: Aerial Indoor Object-Goal Navigation Using Dual-Policy Reinforcement Learning},
author = {Zichen Yan and Yuchen Hou and Shenao Wang and Yichao Gao and Rui Huang and Lin Zhao},
journal= {arXiv preprint arXiv:2601.15614},
year = {2026}
}